Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01602v2

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.01602v2 (cs)
[提交于 2025年8月3日 (v1) ,最后修订 2025年8月6日 (此版本, v2)]

标题: 通过细粒度补丁-文本对齐增强零样本脑肿瘤亚型分类

标题: Enhancing Zero-Shot Brain Tumor Subtype Classification via Fine-Grained Patch-Text Alignment

Authors:Lubin Gan, Jing Zhang, Linhao Qu, Yijun Wang, Siying Wu, Xiaoyan Sun
摘要: 从组织病理学全切片图像中进行脑肿瘤亚型的细粒度分类由于细微的形态变化和标注数据的稀缺性而极具挑战性。 尽管视觉-语言模型已实现了有前景的零样本分类,但它们在捕捉细粒度病理特征方面的能力仍然有限,导致亚型区分效果不佳。 为了解决这些挑战,我们提出了细粒度补丁对齐网络(FG-PAN),这是一种专为数字病理学设计的新颖零样本框架。 FG-PAN包含两个关键模块: (1) 一个局部特征精炼模块,通过建模代表性补丁之间的空间关系来增强补丁级视觉特征,以及 (2) 一个细粒度文本描述生成模块,利用大语言模型生成病理感知的、类别特定的语义原型。 通过将精炼后的视觉特征与LLM生成的细粒度描述对齐,FG-PAN在视觉和语义空间中有效提高了类别可分性。 在包括EBRAINS和TCGA在内的多个公开病理数据集上的大量实验表明,FG-PAN在零样本脑肿瘤亚型分类中达到了最先进的性能和强大的泛化能力。
摘要: The fine-grained classification of brain tumor subtypes from histopathological whole slide images is highly challenging due to subtle morphological variations and the scarcity of annotated data. Although vision-language models have enabled promising zero-shot classification, their ability to capture fine-grained pathological features remains limited, resulting in suboptimal subtype discrimination. To address these challenges, we propose the Fine-Grained Patch Alignment Network (FG-PAN), a novel zero-shot framework tailored for digital pathology. FG-PAN consists of two key modules: (1) a local feature refinement module that enhances patch-level visual features by modeling spatial relationships among representative patches, and (2) a fine-grained text description generation module that leverages large language models to produce pathology-aware, class-specific semantic prototypes. By aligning refined visual features with LLM-generated fine-grained descriptions, FG-PAN effectively increases class separability in both visual and semantic spaces. Extensive experiments on multiple public pathology datasets, including EBRAINS and TCGA, demonstrate that FG-PAN achieves state-of-the-art performance and robust generalization in zero-shot brain tumor subtype classification.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.01602 [cs.CV]
  (或者 arXiv:2508.01602v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01602
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Lubin Gan [查看电子邮件]
[v1] 星期日, 2025 年 8 月 3 日 05:38:14 UTC (2,732 KB)
[v2] 星期三, 2025 年 8 月 6 日 12:04:27 UTC (2,701 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号